Machine Learning - Algorithmen als Zukunft der Unternehmensplanung?

Die verovis GmbH hat eine Projektstudie mit der TU München durchgeführt, um den Einsatz von Machine Learning in der Unternehmensplanung zu evaluieren. Welche Schwachstellen der Einsatz künstlicher Intelligenz lösen kann und welche Methoden in Frage kommen, erklären die Projektstudierenden von TUM und verovis.

Komplexe Anforderungen an Unternehmensplanung und Controlling

Globalisierung, Digitalisierung, soziale und geografische Mobilität – die Schnelllebigkeit der Märkte ist ein Weckruf, der traditionelle Konzepte überholt und rigide erscheinen lässt, entworfen für stabilere Zeiten. Direkt betroffen von dieser Schnelllebigkeit ist die Person des Controllers, dessen Aufgabenfeld sich mit einer wachsenden Nähe zum Management stetig erweitert. Technisch-analytische Fähigkeiten alleine reichen inzwischen meist nicht mehr zur erfolgreichen Unternehmenssteuerung aus. Stattdessen zählt nun ein intuitives Verständnis des Marktes, der Kunden und der Wettbewerber zu den essentiellen Anforderungen. Es wird nach Lösungen verlangt, die das Können eines einzelnen Menschen übersteigen.

Ein deutliches Indiz des Reformierungsbedarfs liegt in der fortbestehenden Ineffizienz der Planungsprozesse, die als langwierig, unbeliebt und aufwendig gelten. Eine  veraltete Planungs-Praxis fabriziert in vielen Fällen einen Zeit- und Personalaufwand, der in keiner betriebswirtschaftlich vertretbaren Relation zum Output und dessen Qualität steht. Das „Inselprinzip“ mit isolierter Betrachtung der einzelnen Planungselemente ist weit verbreitet. Dieser Makel des Planungssystems ist historisch begründet, begonnen mit der Einführung der ERP-Systeme vor rund vier Jahrzehnten. Zwar fand die SAP damals eine Antwort auf das akute Bedürfnis nach einer systematischen Modernisierung – jedoch nur auf Transaktionsebene. Auf Basis der Tabellenkalkulation als standardisiertem Hilfsmittel begann auf der Planungsebene aber gleichzeitig eine Phase unstrukturierter Entwürfe diverser Konzepte. Das Resultat ist heute ein Planungsstandard, welcher in der Unternehmenspraxis meist aus einem Mix von Eigenkreationen besteht, verbunden mit ERP-Systemen und angestöpselter Planungssoftware.

Wendet man sich heute an den Markt, findet man einen Fächer an Software Lösungen, die auf buchhalterischer Ebene verschiedene Teilpläne integrieren können. Diese Lösungen haben ihre Stärke im Datenkonsolidierungsprozess und in der Möglichkeit, Planzahlen auf unterschiedliche Weise und an unterschiedlichen Stellen visualisierbar und abstimmbar zu machen. Allerdings steht dem gegenüber, dass in einer Welt von agilen Methoden und Design Thinking integrierte Planungslösungen oft überfordert sind. Der Bedarf geht nun in Richtung von mehr Schnelligkeit und Flexibilität. Alternative Ansätze wie die treiberbasierte oder szenariobasierte strategische Planung sind zwar nennenswert, jedoch ist eine vollautomatisierte Lösung als übergeordnetes Ziel zu erstreben.

Entwicklungspotenziale der Unternehmensplanung

Die nächste Evolutionsstufe der Planungsmethoden liegt im Bereich des maschinellen Lernens (machine learning). Es gilt ein lernfähiges System zu entwickeln, das auf Basis von intelligenter Mustererkennung und statistischer Analysemethoden hochwertige Prognosen erstellen kann. Prognosen, die nicht nur in menschlicher Intuition begründet liegen, sondern sachlich-fundiert sind und flexibel auf verschiedene Szenarien Bezug nehmen können. Das System würde eine prägnante Entscheidungsgrundlage für Manager darstellen, die der volatilen Umwelt gewappnet entgegentreten könnten. Managemententscheidungen werden dadurch nicht obsolet. Der große Vorteil dieser Methoden liegt allerdings in dem sehr hohen Automatisierungsgrad. Menschliche Interaktionen in der Datenentwicklung, Datenbereitstellung und Datenaufbereitung fallen zum Großteil weg. Controlling und Management können sich mit ihrer verfügbaren Zeit endlich auf die wesentlichen Fragen der Geschäftsentwicklung konzentrieren.

Um in der Unternehmensplanung den Einsatz künstlicher Intelligenz zu evaluieren, hat die verovis GmbH eine Projektstudie mit der TU München durchgeführt. In dieser Studie sind  verschiedene Algorithmen auf ihre Güte bei der treiberbasierten Planung untersucht worden. Die Abschlussergebnisse hierzu werden Bestandteil des dritten Fachbeitrags zum Thema automatisierte Planung.

 

Zum ersten Blogbeitrag der Projektstudie: Einsatzpotenzial von Robotik in der Unternehmensplanung - Geschichte und Einführung

Leon Menzel, Susanne Windecker, Elena Wittich
Leon Menzel, Susanne Windecker, Elena Wittich
02 February, 2018
operative planung & forecasting